prikaz prve stranice dokumenta Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila
  Download
PDF 2.78 MB
master's thesis
Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila
Zagreb: University of Zagreb, Faculty of Science, 2020. urn:nbn:hr:217:264833
Gamulin, Mihaela
University of Zagreb
Faculty of Science
Department of Mathematics

Institutional repository: Repository of the Faculty of Science

Cite this document

Gamulin, M. (2020). Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila (Master's thesis). Zagreb: University of Zagreb, Faculty of Science. Retrieved from https://urn.nsk.hr/urn:nbn:hr:217:264833

Gamulin, Mihaela. "Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila." Master's thesis, University of Zagreb, Faculty of Science, 2020. https://urn.nsk.hr/urn:nbn:hr:217:264833

Gamulin, Mihaela. "Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila." Master's thesis, University of Zagreb, Faculty of Science, 2020. https://urn.nsk.hr/urn:nbn:hr:217:264833

Gamulin, M. (2020). 'Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila', Master's thesis, University of Zagreb, Faculty of Science, accessed 24 August 2024, https://urn.nsk.hr/urn:nbn:hr:217:264833

Gamulin M. Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila [Master's thesis]. Zagreb: University of Zagreb, Faculty of Science; 2020 [cited 2024 August 24] Available at: https://urn.nsk.hr/urn:nbn:hr:217:264833

M. Gamulin, "Određivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila", Master's thesis, University of Zagreb, Faculty of Science, Zagreb, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:217:264833

Metadata
TitleOdređivanje pomorskih plovidbenih koridora zasnovano na statističkom učenju na zapisima automatskog sustava za identifikaciju plovila
AuthorMihaela Gamulin
MentorRenato Filjar (mentor)
MentorLuka Grubišić (mentor)
Committee memberRenato Filjar (predsjednik povjerenstva)
Committee memberLuka Grubišić (član povjerenstva)
Committee memberMatija Bašić (član povjerenstva)
Committee memberIgor Ciganović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Science
(Department of Mathematics)
Zagreb
Defense date and country2020-02-28, Croatia
Scientific / art field,
discipline and subdiscipline		NATURAL SCIENCES
Mathematics
Abstract
Razumijevanje uzoraka ponašanja plovila u operativnom radu ključno je za razvijanje svijesti o situacijama u pomorskom prometu, posebice za klasificiranje i predviđanje aktivnosti. Razvojem automatskog identifikacijskog sustava (eng. Automatic Identification System, AIS), omogućeno je praćenje putanja plovila, kao ulaza za postupke identifikacije uobičajenih obrazaca ponašanja, definicije koridora, detekcije neuobičajenih manevara, optimizaciju upravljanja plovidbenim tokovima, strategijsko planiranje, te povećanje učinkovitosti navigacije i smanjenje učinaka na okoliš. Navedeni elementi svijesti o situaciji mogu se izvesti iz AIS poruka korištenjem statističke analize i strojnog učenja na opaženim podacima (AIS poruke). Metoda ovog rada, izdvajanje prometnih ruta i detekcija anomalija, nazvana TREAD (eng. Traffic Route Extraction and Anomaly Detection), ima za cilj pretvoriti velike količine AIS podataka u znanje koje se može iskoristiti za klasificiranje i predviđanje ruta te detekciju anomalija, neovisno o broju uređaja iz kojih se dobivaju podaci, njihovim obilježjima i platformi. Postupak izdvajanja ruta temelji se na nenadgledanom inkrementalnom učenju, što omogućuje karakterizaciju pomorskog prometa bez a priori znanja, dok se predviđanje ruta i detekcija anomalija temelji na aposteriornoj vjerojatnosti.
Abstract (english)
Understanding vessel behavior patterns in operational work is crucial for developing awareness of maritime traffic situations, in particular for classifying and predicting activities. With the development of the Automatic Identification System (AIS), it is possible to monitor vessel trajectories as inputs for procedures for identifying common behavioral patterns, defining corridors, detecting unusual maneuvers, optimizing navigational flow management, strategic planning, and increasing navigation efficiency and reducing effects on the environment. The aforementioned situation awareness elements can be derived from AIS messages using statistical analysis and machine learning on observed data (AIS messages). The method of this work, Traffic Route Extraction and Anomaly Detection (TREAD), aims to convert large amounts of AIS data into knowledge that can be used to classify and predict routes and detect anomalies, regardless of number the devices from which the data is obtained, their performance and the platform. The route extraction process is based on unsupervised incremental learning, which allows characterization of maritime traffic without a priori knowledge, while route prediction and anomaly detection are based on posterior probability.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:217:264833
Study programmeTitle: Computer Science and Mathematics
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra računarstva i matematike (magistar/magistra računarstva i matematike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2020-07-22 12:01:44